Python tf.nn.depthwise_conv2d用法及代碼示例

深度二維卷積。

用法

tf.nn.depthwise_conv2d(
    input, filter, strides, padding, data_format=None, dilations=None, name=None
)

給定一個 4D 輸入張量('NHWC' 或 'NCHW' 數據格式)和形狀為 [filter_height, filter_width, in_channels, channel_multiplier] 的濾波器張量，其中包含深度為 1 的 in_channels 卷積濾波器，depthwise_conv2d 對每個輸入通道應用不同的濾波器(從 1通道到每個通道的channel_multiplier 通道)，然後將結果連接在一起。輸出具有in_channels * channel_multiplier 通道。

詳細地說，使用默認的 NHWC 格式，

output[b, i, j, k * channel_multiplier + q] = sum_{di, dj}
     filter[di, dj, k, q] * input[b, strides[1] * i + rate[0] * di,
                                     strides[2] * j + rate[1] * dj, k]

必須有 strides[0] = strides[3] = 1 。對於相同水平和垂直步幅的最常見情況，strides = [1, stride, stride, 1]。如果 rate 中的任何值大於 1，我們將執行深度深度卷積，在這種情況下，strides 張量中的所有值都必須等於 1。

使用示例：

x = np.array([
    [1., 2.],
    [3., 4.],
    [5., 6.]
], dtype=np.float32).reshape((1, 3, 2, 1))
kernel = np.array([
    [1., 2.],
    [3., 4]
], dtype=np.float32).reshape((2, 1, 1, 2))
tf.nn.depthwise_conv2d(x, kernel, strides=[1, 1, 1, 1],
                       padding='VALID').numpy()
  array([[[[10., 14.],
           [14., 20.]],
          [[18., 26.],
           [22., 32.]]]], dtype=float32)

tf.nn.depthwise_conv2d(x, kernel, strides=[1, 1, 1, 1],
                       padding=[[0, 0], [1, 0], [1, 0], [0, 0]]).numpy()
  array([[[[ 0.,  0.],
           [ 3.,  4.],
           [ 6.,  8.]],
          [[ 0.,  0.],
           [10., 14.],
           [14., 20.]],
          [[ 0.,  0.],
           [18., 26.],
           [22., 32.]]]], dtype=float32)